Datengestützte Entscheidungsfindung: Was bedeutet das und sollten Sie das tun?

Fast alle Aktionen, die wir täglich ausführen, basieren auf Daten. Wenn Sie Ihr Auto auf der Autobahn fahren, wissen Sie, wie man die Fahrspur wechselt und abbiegt, indem Sie die Fahrzeuge und die Straße um Sie herum beobachten. Wenn Sie ein Haus kaufen, machen Sie nicht blind ein Angebot, ohne eine Vielzahl von Faktoren wie die Nachbarschaft, die Entwicklung des Immobilienwerts, die örtlichen Schulen und die Notwendigkeit bevorstehender Reparaturen zu berücksichtigen. Praktisch alle unsere Verhaltensweisen und Entscheidungen im Leben, egal wie groß oder klein, basieren bis zu einem gewissen Grad auf Daten — unabhängig davon, ob diese Daten in Form von sensorischen Eingaben oder durch einen methodischeren Forschungs- und Analyseprozess stammen.

Marken sind in dieser Hinsicht Menschen nicht unähnlich. Unternehmen treffen, wenn überhaupt, nur sehr wenige Entscheidungen, bei denen keine Daten gesammelt und überprüft werden. Gerade jetzt, wo sich Customer Journeys zu aufwändigen und weitläufigen Prozessen entwickelt haben, die sich über zahlreiche Kanäle, Geräte und Plattformen erstrecken, werden Marken mit mehr Kundendaten überflutet als je zuvor.

Und obwohl das Sammeln dieser Daten keine Kleinigkeit ist, besteht der schwierigere Schritt als Marketer oder Produktmanager darin, zu entscheiden, wie die gesammelten Daten am besten verwendet werden können, und herauszufinden, welche Rolle diese Informationen bei der Steuerung ihres Geschäfts spielen sollten. Angesichts der Tatsache, wie viel Zeit wir heutzutage damit verbringen, darüber nachzudenken, wie Daten gesammelt und analysiert werden sollen, scheint es fast unfair, dass Daten allein oft nicht ausreichen, um die richtige Entscheidung zu treffen. Fast alle Geschäftsentscheidungen sind mit Unklarheiten behaftet, und damit ein Entscheidungsprozess erfolgreich ist, müssen Daten und Intuition Seite an Seite stehen.

Was ist „datengesteuerte“ Entscheidungsfindung?

Datengestützte Entscheidungsfindung bezieht sich auf den Prozess, bei dem Geschäftsentscheidungen — sowohl interne Richtlinien als auch allgemeine strategische Ausrichtung — ausschließlich auf beobachtbare Daten gestützt werden. Es beinhaltet den Aufbau organisationsübergreifender Prozesse, durch die Daten gesammelt werden, und dann das Extrahieren von Mustern und Bedeutungen, die als Grundlage für die organisatorische Entscheidungsfindung verwendet werden. In allen Fällen, in denen Daten als Grundlage für eine Vorgehensweise zur Verfügung stehen, haben diese Vorrang vor Intuition, persönlichen Erfahrungen und Meinungen, da diese Inputs als Quelle inhärenter Vorurteile angesehen werden und einem gesunden Urteilsvermögen abträglich sind.

Datengestützte Entscheidungsfindung als Geschäftskonzept gab es zwar schon vor den mit dem Internet verbundenen Technologien, doch ihre zunehmende Beliebtheit fiel mit dem Aufkommen von „Big Data“ in den frühen 2000er Jahren zusammen. Ab dieser Zeit generierten Kundeninteraktionen über E-Mail, Internet und andere digitale Kontaktpunkte Kundendaten in einem noch nie dagewesenen Ausmaß, und Unternehmen waren mit neuen Informationsströmen überhäuft, auf die sie ihre Kundeninteraktionen stützen konnten.

Als die Menge der verfügbaren Daten zunahm, stieg auch ihr Wert in den Köpfen der Unternehmensleiter, die quantitative Informationen als Allheilmittel für alle Probleme betrachteten, mit denen ihre Unternehmen konfrontiert waren. Zwar hat jedes Unternehmen seine eigenen Verfahren für einen datengesteuerten Ansatz bei der Entscheidungsfindung, aber im Allgemeinen umfasst ein typischer Prozess die folgenden Schritte:

1. Formulieren Sie Ihr Ziel:
   Welches Geschäftsproblem versuchen Sie zu lösen, indem Sie diese Informationen sammeln? In späteren Schritten dieses Prozesses kann es oft hilfreich sein, das Problem so spezifisch wie möglich zu definieren. Zum Beispiel ist „Die Bereitstellung von Push-Benachrichtigungen erhöht die Anzahl der App-Downloads“ zu weit gefasst und vage. Es wird schwierig sein, einen Zusammenhang zwischen den von Ihnen getesteten Strategien und einer einfachen Zunahme oder Verringerung der App-Downloads nachzuweisen. Ein konkreteres Ziel wie „Durch die Zusendung einer Push-Benachrichtigung an Sonntagen wird die Nutzung der internen Chat-Funktion unserer App bei Menschen im Alter von 25 bis 33 Jahren in Los Angeles, die im vergangenen Jahr mehr als drei Konzerte besucht haben, um 10% erhöht“, ist viel spezifischer und umsetzbarer.
2. Definieren Sie Ihre Datenquellen:
   Als Nächstes müssen Sie die Quellen ermitteln, aus denen Sie Ihre Kundendaten erheben werden, z. B. die Websites Ihres Unternehmens, mobile Apps, POS-Systeme, bereits bestehende Kundendatenbanken usw. Um sicherzustellen, dass Ihre Daten Ihnen ein möglichst vollständiges und genaues Bild Ihrer Kunden vermitteln, ist es am besten, Daten von so vielen verschiedenen Kontaktpunkten wie möglich zu sammeln.
3. Skizzieren Sie eine Datenerfassungsstrategie:
   Jetzt ist es an der Zeit zu bestimmen, wie Sie Ihre Daten aus den von Ihnen identifizierten Quellen sammeln werden. Welche Tools werden Sie verwenden, um Ihre Datenpunkte auf verschiedenen Geräten zu extrahieren? Wohin gehen die Daten, wenn sie gesammelt wurden? Inwieweit können Sie technische Ressourcen für die Lösung dieser Probleme einsetzen? Angesichts der vielen verfügbaren Tools und Lösungen, die Sie Ihrem Datenstapel hinzufügen können, lohnt es sich, darüber nachzudenken, wie ein zentraler Hub in Ihrem Datenstapel, wie eine Customer Data Platform, Ihnen helfen kann, all diese Probleme sowie andere wichtige Anforderungen wie Datenqualität, Einhaltung von Datenschutzgesetzen und mehr zu lösen.
4. Verbinde die Punkte und analysiere deine Daten:
   Nachdem Sie Ihr Ziel definiert, Ihr Tracking implementiert haben und Ihre Daten nun aus verschiedenen Quellen eintreffen, ist es an der Zeit, die Rohinformationen zu analysieren, um die Erkenntnisse zu gewinnen, die Ihnen helfen, die richtigen Entscheidungen zu treffen. In den meisten Fällen sollten Sie dazu Datenanalysetools nutzen. Mit einer Infrastrukturplattform für Kundendaten ist es einfach, die von Ihnen gesammelten Daten mit dem richtigen Tool zu verbinden, um Erkenntnisse zu generieren, unabhängig davon, ob Sie A/B-Tests durchführen, Attributionsmodelle betrachten oder Benutzeranalysen untersuchen.
5. Handeln und Ergebnisse auswerten:
   Mit den Rohdaten, die Ihnen jetzt zur Verfügung stehen, können Sie Entscheidungen über Ihr Produkt, Ihre Botschaft oder was auch immer Sie ursprünglich dazu veranlasst hat, diese Informationen zu sammeln, treffen. Sobald Sie Ihre Entscheidung umgesetzt haben, ist es jedoch wichtig, dass Sie eine Folgeanalyse durchführen, um festzustellen, ob Sie die gewünschten Ergebnisse erzielt haben. Wenn nicht, müssen Sie sich Fragen stellen wie: Haben wir die richtigen Variablen gemessen und die richtigen Daten gesammelt? Gab es ein Problem mit der Qualität der von uns gesammelten Daten? Wie werden wir diesen Prozess ändern, um in Zukunft ein positiveres Ergebnis zu erzielen?

Was sind die Fallstricke eines datengesteuerten Ansatzes?

Die Verwendung beobachtbarer Fakten als Grundlage für die Entscheidungsfindung Ihres Unternehmens ist der Eckpfeiler jeder soliden Strategie. Obwohl es immer eine gute Idee ist, Daten im Mittelpunkt jeder Entscheidung zu haben, die Sie treffen, müssen Daten immer im Kontext des Problems verstanden werden, das Sie zu lösen versuchen. Darüber hinaus gibt es mehrere Fallstricke, denen Sie leicht erliegen können, wenn bloße Fakten und Zahlen Ihre Entscheidungen allein bestimmen und die menschliche Intuition auf der Strecke bleibt.

Die erfolgreichsten Entscheidungsansätze verbinden häufig menschliche Intuition mit Daten. Es gibt viele Vorteile, wenn Teams erkennen, wie wichtig es ist, Erfahrungen, Meinungen und „Bauchgefühle“ einzubeziehen, um die richtige Vorgehensweise zu bestimmen. Zum einen hat das menschliche Gehirn Zugriff auf ein Leben lang verwandter Erfahrungen und Beobachtungen zum menschlichen Verhalten, was ein viel nuancierterer Datensatz ist, als jedes analytische Modell jemals verarbeiten kann. Aus diesem Grund sind Menschen geschickter darin, tangentiale Informationen zu synthetisieren, Anomalien und Ausreißer zu antizipieren und kreative Wege und Lösungen zu finden, die Datenmodellen oft entgehen. Empirische Datenpunkte, egal wie zuverlässig sie auch sein mögen, spiegeln nur die endliche Menge an Eingaben wider, die zu ihrer Generierung verwendet wurden. Das richtige Gleichgewicht zwischen Intuition und Daten zu finden, ist jedoch leichter gesagt als getan. Eine nützliche Technik, um dies zu erreichen, besteht darin, häufig auftretende Fallstricke zu berücksichtigen, wenn Entscheidungen allein auf der Grundlage von Daten getroffen werden.

Eine der häufigsten Fallen besteht darin, Korrelation mit Kausalität zu verwechseln. Die Tatsache, dass eine Änderung der Variablen A gleichzeitig mit Ergebnis B erfolgt, bedeutet nicht, dass Variable A Ergebnis B verursacht hat. Stellen Sie sich beispielsweise das folgende Szenario vor. Ein Lebensmittellieferunternehmen stellt ein neues Layout auf der Startseite seiner Website bereit und verzeichnet dann sofort einen Anstieg der Kunden, die sich für seinen Service anmelden. Das Marketingteam des Unternehmens geht davon aus, dass das neue Layout zu diesem Anstieg führt, da auf der neuen Homepage der Aufruf zum Handeln steht: „Jetzt anmelden für kostenlosen Versand!“ in prominentem Text. <button>Tatsächlich sind die Anmeldungen jedoch eher das Ergebnis eines Anstiegs des Suchmaschinen-Traffics als einer Änderung des Verhaltens auf der Website, da sich der CTA-Text jetzt in einem <h1>Tag und nicht in einem befindet. Dies führte dazu, dass die Webseite bei der Suche nach“ einen höheren Rang einnahmkostenlose Lebensmittellieferung„, und eine Zunahme von Kunden mit hoher Absicht, die Website zu besuchen.

Da dieses Unternehmen fälschlicherweise die Ursache seines Erfolgs einer Layoutänderung zuschreibt, wird es zukünftige Webdesign-Entscheidungen wahrscheinlich auf die fehlerhafte Annahme stützen, dass prominenterer Text den Umsatz steigert. Darüber hinaus verpassen sie möglicherweise eine Gelegenheit, ihre Suchmaschinenoptimierung zu optimieren, wenn sie die tatsächlichen Erkenntnisse aus ihrem Test verpassen. Um den Fallstrick zu vermeiden, einfach den Daten zu folgen, müssen sich Teams immer die Frage stellen, ob sie wirklich jede Variable getestet haben, die potenziell zu dem beobachteten Ergebnis beitragen könnte. Wenn nicht, sind weitere Untersuchungen und Datenerhebungen erforderlich.

Ein weiteres unbeabsichtigtes Ergebnis allzu starrer datengestützter Strategien ist, dass sie dazu neigen, kreatives Denken zu behindern und ironischerweise das Wachstumspotenzial einzuschränken. Die revolutionärsten Produktinnovationen der jüngeren Vergangenheit, die die Art und Weise, wie wir leben, verändert haben — das iPhone, Videostreaming und soziale Netzwerke, um nur einige zu nennen —, begannen alle als blauäugige Ideen ohne Präzedenzfälle oder Daten, die ihr Erfolgspotenzial belegen. Wenn Ihr Team darauf besteht, einen soliden Goldstandard zu sehen, bevor es grünes Licht für eine Idee gibt oder ein Produkt veröffentlicht, wird das Ausmaß des zukünftigen Erfolgs möglicherweise niemals das der Vergangenheit übertreffen. Natürlich ist es nicht immer eine gute Idee, unnötige Risiken einzugehen, und das schlimmste Szenario, ein Risiko einzugehen, sollte niemals unüberschaubare Folgen haben. Dennoch bedeutet es oft, Daten für einen Moment beiseite zu legen, um Grenzen zu überschreiten und echtes Wachstum zu erleben.

Datengestützte Entscheidungsfindung verbindet das Beste aus beiden Welten

Eine datengestützte Entscheidungsfindung als Strategie kann Teams dabei helfen, diese und andere potenzielle Mängel zu vermeiden, die sich daraus ergeben, dass Daten Ihren Kurs allein leiten. Wie dieser Artikel in Harvard Business Review bestätigt, dass erfolgreiche Unternehmen ein hohes Maß an Datenkompetenz fördern, um sicherzustellen, dass sie sowohl von datengestützten Erkenntnissen als auch von der Intuition und Kreativität profitieren, die nur menschliche Erfahrung bieten kann.